1回答
我使用scipy.spatial.convexHull来找到点云的凸包，它给出了点云的体积，然后我使用凸包的顶点来拟合椭球，以定义其大小和形状。我确定了两个用于拟合椭球的可能的python模块：pyEllipsoid_Fit (https://github.com/marksemple/pyEllipsoid_Fit)和ellipsoid_fit_python[ 0.7594304 , -0.60428986, -0.29554205],
[ 0.71364348, -0.66918549, -0.245
浏览 102提问于2021-03-24得票数 2
回答已采纳
我理解多项式回归试图实现的目标(通过最小二乘法实现最佳拟合)，但我找不到在多项式中找到系数的算法。暴力是不可行的，这是我能想到的唯一解决方案。有没有迭代系数的方法？我是不是漏掉了什么明显的东西？
浏览 3提问于2016-10-25得票数 0
1回答
我在寻找一种在Javascript中进行线性曲线拟合的方法。我找到了几个库，但它们不会传播错误。我知道最小二乘法算法，我可以实现，但它只接受错误的y变量，我有两个明显的错误。我也找不到Javascript中的库来做到这一点；但是，如果在其他语言中有一个开放源码库，我可以检查它，找出如何在JS中实现它。
像Origin这样的程序能够实现这一点，但我不知道如何实现。
浏览 2提问于2017-04-21得票数 7
回答已采纳
这个问题类似于问题，如何将二维椭圆(在x-y平面上)拟合到给定点？(请参阅下面的链接) (How to fit a 2D ellipse to given points) 现在，我们已经知道了如何使用最小二乘法通过Casey提供的代码来拟合具有给定点的二维椭圆。根据这段代码，如果我不仅想要拟合给定点，而且想要拟合(0,0)处的给定焦点，我该怎么做呢？还有没有更好的方法呢？我在想，我们是否可以基于椭圆方程Ax^2 + Bxy + Cy^2 + Dx + Ey=1推导出焦点(作为x和y的函数)，其中A，B，C
浏览 31提问于2021-01-13得票数 0
回答已采纳
1回答
我有一个(x, y)点的列表。我知道如何制作Bézier曲线的列表，这些曲线通过所有这些点，并有一个连续的第一(和第二，尽管不太重要)导数。然而，我最后得到的清单太长了。如果它能让我减少曲线的数量，我会更倾向于近似我所拥有的点。我希望能够传递一个参数，说明我得到的近似值有多近，或者曲线的最大数目，最好是前者。编辑:更多关于这个目的的信息。我在试着制作图像编辑软件。当有人加载位图时，我希望能够跟踪一条中心线。Potrace是我用来跟踪形状
浏览 18提问于2016-11-18得票数 2
回答已采纳
3回答
我正在使用最小二乘法将平面拟合到3D点集。我已经有了这样做的算法，但我想修改它以使用加权最小二乘。这意味着我对每个点都有一个权重(权重越大，平面应该离点越近)。当前的算法(没有权重)如下所示：for(Point3D p3d : pointCloud) { fSumX += pos[0pointCloud.size()} {fSumXZ}, {fSumZ}
};
浏览 2提问于2012-02-12得票数 5
回答已采纳
1回答
我正在执行一些非线性最小二乘曲线拟合。我遇到了全局优化工具，我想知道我是否应该一直使用它。在求助于这些高级方法之前，有什么我应该检查的吗？ 谢谢。
浏览 25提问于2021-05-01得票数 0
用最小二乘法对这6个点拟合一个圆，在XY坐标下再求出拟合圆的半径和中心是比较容易的。然而，对于这6个点，我也有高度方位坐标，因为这些点都在天空上，所以我想知道是否可以把曲线拟合到这些弯曲坐标上，然后找到那个圆的中心。
浏览 3提问于2022-07-14得票数 1
1回答
其目的是为A、B、C和D找到一个基于某种质量度量(例如)的“最佳拟合函数”的值。我已经描述过的一个算法是，它在计算上非常昂贵。虽然我并不是说对
浏览 2提问于2015-03-26得票数 1
1回答
分割图像上的肩部检测
、、、、
作为输入，我有一张上半身的分割图像，我试图从这张图像中检测出肩膀。我通过一个阈值最小化了这个区域，这个阈值是通过头部大小和肩宽之间的简单已知比率计算出来的。我使用的是Matlab。
浏览 3提问于2015-06-22得票数 0
我在Labview中使用曲线拟合。我用非线性曲线拟合。我的函数就像a*e(-b*x)+c。
如何从这个曲线拟合中提取a、b和c。我想在前面板上使用这些系数，但我不能。
浏览 4提问于2017-10-06得票数 1
我可以拟合所有的数据集。但是，我希望使用最小二乘法将回归线拟合并绘制到最后50个数据点。最好的方法是什么？(下面是我的绘图代码。)
浏览 26提问于2019-07-13得票数 1
回答已采纳
2回答
我试图用F(x)=1/(ax^2+bx+c)的形式来拟合逆抛物线的一些点。所有这些都是用matlab做的，但我需要在c++中实现。
编辑2: --实
浏览 0提问于2012-12-17得票数 0
2回答
我的目标是拟合一个椭圆到符号，并检索它的中心，( b)轴和c)方向。我已经实现了以下方法：
使用(v2.fitEllipse)Using Scikit: a) 使用openCV: a)阈值保持，其结果是二值图像(cv2.阈值) b)查找轮廓(cv2.findcontesc) c)拟合椭圆Scikit: a)检测边缘(使用Canny) b)应用hough transformStar算子(正在工作中)a)估计椭圆中心b)发送360射线到各个方向c)构建一个阵列，包括每条射线上最大梯度的坐标)使用最小二乘法计算最佳拟合椭圆(使用
浏览 7提问于2022-06-28得票数 1
我看过()上的代码，我知道它使用最小二乘法来确定可能的椭圆。我还查看了文档中给出的论文(Andrew W.Fitzgibbon，R.B.Fisher )。圆锥曲线拟合的买家指南。但是我不能准确地理解算法。例如，为什么它需要解决3倍的最小二乘问题？为什么bd在第一个svd之前被初始化为10000 (我猜这只是一个初始化的随机值，但为什么这个值可以是随机的？)？
浏览 8提问于2013-02-07得票数 8
回答已采纳
2回答
二维最小二乘拟合
、、
但是现在我想做一个线性最小二乘拟合(或者类似的)，这样我就可以拟合正确的振幅了。据我所知，线性最小二乘法是正确的方法，但如果有另一种方式，这也很好。编辑：我从二维FFT中找到了正弦波的二维频率。数据包含一个二维正弦+噪声，所以我只选择了最大峰值的2D FFT，并采取了相反的。
浏览 2提问于2013-02-06得票数 1
1回答
岭回归能用来解决超定方程吗？
、、、、
超定方程不存在唯一解，但可以用最小二乘法求近似解。我了解到岭回归是一种优化的最小二乘方法，可以更好地拟合病态数据。经过搜索，我没有找到任何使用岭回归来解决超定方程的例子。此外，在Python中，通过简单地调用numpy.linalg.lstsq()方法，可以使用最小二乘法来求解超定方程。那么，有没有类似的岭回归方法来解决超定方程呢？
谢谢！
浏览 7提问于2021-05-21得票数 1
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
